近年來(lái),隨著科學(xué)技術(shù)的蓬勃發(fā)展,學(xué)者們把撰寫(xiě)論文作為展示自己科研成果的重要手段,隨之帶來(lái)科研文獻(xiàn)數(shù)量的飛速增長(zhǎng)。因此,如何準(zhǔn)確地、高效地為科研人員推薦參考文獻(xiàn)是一個(gè)具有挑戰(zhàn)性的任務(wù)。引文推薦旨在從龐大的文獻(xiàn)數(shù)據(jù)庫(kù)中智能化地為科研人員篩選出合適的參考文獻(xiàn)。引文推薦算法擁有很強(qiáng)的實(shí)用價(jià)值和廣泛的應(yīng)用前景,它可以提高科研人員查找文獻(xiàn)的效率,增強(qiáng)初學(xué)者對(duì)當(dāng)前研究領(lǐng)域的認(rèn)知,同時(shí)一定程度上降低錯(cuò)、漏引出現(xiàn)的概率。在引文推薦的問(wèn)題中,可以利用文章間的多種信息來(lái)解決問(wèn)題,這些信息往往都是異構(gòu)的,因此,使用異構(gòu)信息網(wǎng)絡(luò)對(duì)引文推薦問(wèn)題建模,可以更好地捕捉文章與文章間的聯(lián)系,包括語(yǔ)義聯(lián)系和結(jié)構(gòu)聯(lián)系。目前的引文推薦算法多從文章的語(yǔ)義相似度為基礎(chǔ),加以作者合作信息、文章出版商信息等,使用圖模型進(jìn)行建模,利用圖的拓?fù)浣Y(jié)構(gòu)計(jì)算文章間的相似度以生成推薦列表。不同于圖模型對(duì)文章的某個(gè)特征進(jìn)行建模,異構(gòu)信息網(wǎng)絡(luò)不僅囊括特征內(nèi)部的關(guān)系,也涵蓋特征間的關(guān)系。本文將語(yǔ)義信息與結(jié)構(gòu)信息通過(guò)異構(gòu)信息網(wǎng)絡(luò)融合,引入元結(jié)構(gòu)的思想用于計(jì)算文章間的相似度,并且為不同的元結(jié)構(gòu)賦予權(quán)重,提出了新的相似度計(jì)算指標(biāo),生成推薦列表。而后,為了解決... 

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 異構(gòu)信息網(wǎng)絡(luò)的研究現(xiàn)狀
        1.2.2 引文推薦的研究現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容及章節(jié)安排
第二章 相關(guān)理論與算法
    2.1 基于異構(gòu)信息網(wǎng)絡(luò)的相似性探索方法
        2.1.1 元路徑
        2.1.2 元結(jié)構(gòu)
    2.2 智能優(yōu)化算法
        2.2.1 遺傳算法
        2.2.2 粒子群優(yōu)化算法
        2.2.3 模擬退火算法
        2.2.4 和聲算法
    2.3 Skip-gram模型
    2.4 異構(gòu)網(wǎng)絡(luò)中的表示學(xué)習(xí)方法
    2.5 本章小結(jié)
第三章 基于元結(jié)構(gòu)的引文推薦算法
    3.1 基于元結(jié)構(gòu)引文推薦問(wèn)題的定義
        3.1.1 符號(hào)表示
        3.1.2 異構(gòu)信息網(wǎng)絡(luò)的構(gòu)建
    3.2 MS-AIOA算法實(shí)現(xiàn)過(guò)程
        3.2.1 基于元結(jié)構(gòu)的相似度計(jì)算方法
        3.2.2 融合多種元結(jié)構(gòu)的相似度計(jì)算
        3.2.3 算法流程
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 引文推薦的評(píng)價(jià)標(biāo)準(zhǔn)
        3.3.2 數(shù)據(jù)集
        3.3.3 實(shí)驗(yàn)對(duì)比
        3.3.4 實(shí)驗(yàn)結(jié)果分析
    3.4 本章小結(jié)
第四章 基于引文傾向的引文推薦算法
    4.1 基于引文傾向的引文推薦問(wèn)題的定義
    4.2 基于引文傾向的引文推薦算法的實(shí)現(xiàn)過(guò)程
        4.2.1 基于引文傾向的隨機(jī)游走
        4.2.2 文章的向量表示方法
        4.2.3 相似度計(jì)算
        4.2.4 算法流程
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 數(shù)據(jù)集
        4.3.2 對(duì)比算法
        4.3.3 實(shí)驗(yàn)分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
附錄A 圖索引
Appendix A Figure Index
附錄B 表格索引
Appendix B Table Index
致謝
攻讀碩士期間的成果及參與的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]學(xué)術(shù)文獻(xiàn)引文推薦研究進(jìn)展[J]. 陳海華,孟睿,陸偉.  圖書(shū)情報(bào)工作. 2015(15)

碩士論文
[1]基于文本向量表示學(xué)習(xí)的引文推薦方法研究[D]. 李飛.西北農(nóng)林科技大學(xué) 2018
[2]基于深度學(xué)習(xí)的個(gè)性化引文搜索推薦算法研究[D]. 陳志濤.西北農(nóng)林科技大學(xué) 2018
[3]基于引文網(wǎng)絡(luò)的文獻(xiàn)在線推薦系統(tǒng)研究和實(shí)現(xiàn)[D]. 馬丙超.大連理工大學(xué) 2016
[4]基于梯度漸進(jìn)回歸樹(shù)的引文推薦方法研究[D]. 陳俊鵬.北京理工大學(xué) 2016
[5]基于社區(qū)和引用網(wǎng)絡(luò)的學(xué)術(shù)推薦關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D]. 王萌星.北京郵電大學(xué) 2014



本文編號(hào)：3705047